Nederland in Europa
2.4 Analyses: het duiden van economische groeipaden van steden
Niet in elke stedelijke regio groeit het aantal banen dus even sterk; er zijn ‘winnaars’ en ‘verliezers’. In deze paragraaf proberen we de groei van regio’s te duiden. We voeren daarvoor een shift-share-analyse en een aantal regressieanalyses uit (zie bijlage 2.2).
Vier factoren die van invloed zijn op banengroei en divergentie
Met een shift-share-analyse hebben we vier factoren uitgesplitst die van invloed kunnen zijn op de banengroei van een regio: (1) de groei die Europa doormaakt, (2) de groei die een land doormaakt, (3) de groei die komt door de sectorsamenstelling van een regio en (4) regionale karakteristieken die groei bepalen.
Voor een vergelijking tussen regio’s is het belangrijk eerst te controleren voor de sectorsamenstelling (3). Vooral de sectorsamenstelling kan namelijk van invloed zijn op het aantal banen en de banengroei; de ene sector groeit nu eenmaal harder dan de ander (zo groeiden de zakelijke diensten de afgelopen jaren sterk, terwijl veel industriële sectoren krompen). Heeft een regio een ‘gunstiger sectormix’ dan een andere, dan bepaalt dit al deels waarom de ene regio het beter doet dan de andere. Na controle voor dit effect geeft de 4e factor zuiverder weer of karakteristieken uit het regionale
vestigingsklimaat te relateren zijn aan de mate van groei. Voorbeelden van regionale karakteristieken die van invloed kunnen zijn op groei zijn een goede bereikbaarheid, de aanwezigheid van kennisinstellingen, het opleidingsniveau van de beroepsbevolking en de kwaliteit van voorzieningen.
In figuur 2.4 is de bijdrage aan de totale groei van de sectorsamenstelling (links) en regionale karakteristieken (rechts) cumulatief over de tijd weergegeven voor de zes (naar inwonertal) grootste Nederlandse stedelijke regio’s. De linkergrafiek presenteert de werkgelegenheidsgroei in de Nederlandse stedelijke regio’s tussen 1991
TWEE
TWEE
en 2012 zoals deze zich ontwikkeld heeft als gevolg van regionale verschillen in sectorstructuur. Groei veroorzaakt door de overige factoren wordt in deze grafiek niet
weergegeven.6 Omdat er enkele stedelijke regio’s zijn met een ongunstige sector-
structuur, laten deze regio’s een dalende trend zien.
Wat opvalt is dat de ‘waaier’ in de rechtergrafiek groter is dan in de linkergrafiek. Verschillen in de regionale factoren zorgen blijkbaar voor grotere groeiverschillen tussen stedelijke regio’s dan verschillen in de (regionale) sector structuur. Te zien is dat Groot-Amsterdam en Utrecht beide een sectorstructuurfactor en een regionale factor hebben die positief bijdragen aan de totale groei. De Agglomeratie ’s-Gravenhage laat juist een heel verschillend beeld zien voor beide factoren. Daar zijn de sectoren die landelijk een sterke banengroei laten zien oververtegenwoordigd, terwijl er tegelijkertijd regionale factoren zijn die ervoor zorgen dat de sectoren in de Agglomeratie
’s-Gravenhage langzamer groeien dan landelijk.
Voor de twee grootste stedelijke regio’s in Nederland (Groot-Amsterdam en Groot-
Figuur 2.4 1990 1995 2000 2005 2010 2015 -100 -50 0 50 100 150 duizend banen
Bron: Cambridge Econometrics; bewerking PBL
pb l.b l Groot-Amsterdam Groot-Rijnmond Agglomeratie 's-Gravenhage Utrecht Zuidoost-Noord-Brabant West-Noord-Brabant Overige regio's Totaal stedelijke regio's
Sectorsamenstelling
Bijdrage van sectorsamenstelling en regionale factoren aan verandering aantal banen per stedelijke regio
1990 1995 2000 2005 2010 2015 -100 -50 0 50 100 150 duizend banen pb l.b l Regionale factoren
TWEE
Groot-Rijnmond ongeveer hetzelfde effect op de banengroei. Niet verwonderlijk: beide regio’s behoren immers tot de Europese Unie en tot hetzelfde land. Het verschil in totale groei tussen beide regio’s wordt vooral veroorzaakt door de regionale factor. In Groot- Amsterdam leveren regionale omstandigheden een positieve bijdrage aan de totale werkgelegenheidsgroei en in Groot-Rijnmond een negatieve. Waarom dit zo is moet blijken uit een specifieke analyse van de vestigingsklimaatfactoren, gekoppeld aan een analyse over hoe de mechanismen achter agglomeratievoordelen specifiek uitwerken (zie tekstkader 1.1 in hoofdstuk 1). Maar deze analyse valt buiten het bestek van dit onderzoek. Wel richten we ons in het Intermezzo specifiek op Amsterdam en Rotterdam en zoomen we in elke stad in op twee typen locaties: sterk groeiende en achterblijvende locaties, respectievelijk Zuidas en Kop van Zuid, en Wibautas en Weena.
Alle vier de factoren kunnen de stedelijke banengroei beïnvloeden, maar hoe verhouden ze zich tot divergentie? De sectorfactor blijkt zowel in de Europese Unie als geheel als in de verschillende landen te zorgen voor divergentie tussen stedelijke gebieden (zie tabel 2.4) Met andere woorden, in de loop der jaren zijn de nationaal sterkst en zwakst groeiende sectoren zich in bepaalde stedelijke regio’s blijven concentreren. Hetzelfde geldt voor de regionale factoren, met uitzondering van België en Frankrijk. Waar in de meeste landen de grotere stedelijke regio’s betere regionale karakteristieken hebben (bijvoorbeeld meer massa en dichtheid of een hogere kwaliteit van de
Figuur 2.5 1990 1995 2000 2005 2010 2015 -100 0 100 200 300 400 duizend banen
Bron: Cambridge Econometrics; bewerking PBL
pb l.n l Regionale factoren Sectorsamenstelling Nederlandse factoren Europese factoren Totaal Groot-Amsterdam
Bijdrage van factoren aan verandering in aantal banen
1990 1995 2000 2005 2010 2015 -100 0 100 200 300 400 duizend banen pb l.n l Rijnmond
TWEE
TWEE
infrastructuur) die bepalend zijn voor regionale banengroei, bezitten in België en Frankrijk juist de kleinere stedelijke regio’s gunstiger regionale factoren.
Voor Nederland kunnen we concluderen dat de regionale factoren sterker (index = 111,6) hebben bijgedragen aan divergentie, dan de regionale verschillen in sectorsamenstelling (index = 101,2).
De Europese en nationale factor hebben geen invloed op de divergentie binnen een land omdat deze factoren hetzelfde relatieve effect hebben op alle regio’s: het regionaal gemiddeld aantal banen en de standaarddeviatie van het regionaal aantal banen in een land nemen daardoor procentueel in gelijke mate toe, en de variatiecoëfficiënt blijft
daardoor gelijk over de tijd.7 Uit deze redenering volgt dat regionale banengroei kan
worden beïnvloed door alle vier de factoren. Regionale divergentie of convergentie kan echter alleen worden veroorzaakt door de sectorstructuurfactor en de regionale factor.
De regionale karakteristieken: het belang van agglomeratiekracht, stedelijke
structuur, lokale autonomie en loonniveau
In deze paragraaf gaan we nader in op de regionale factor; uit de shift-share-analyse kwam immers naar voren dat die regionale karakteristieken verantwoordelijk zijn
Tabel 2.4
De rol van de factoren bij divergentie
Land Ontwikkeling spreiding van banen Europese karakteris- tieken Nationale karakteris- tieken Sector- samen- stelling Regionale karakteris- tieken Nederland Divergentie (108,9) 100,0 100,0 101,2 111,6 EU Lichte divergentie (102,0) 100,0 100,8 102,0 99,6 Frankrijk Convergentie (94,6) 100,0 100,0 102,0 91,5
Duitsland Lichte divergentie (104,4) 100,0 100,0 102,4 103,1
VK Grote divergentie (111,2) 100,0 100,0 106,8 105,5
België Convergentie (94,6) 100,0 100,0 106,3 87,6
Italië Divergentie (107,5) 100,0 100,0 102,7 105,6
Spanje Grote divergentie (110,9) 100,0 100,0 103,2 110,7
Polen Grote divergentie (140,6) 100,0 100,0 108,4 135,4
Kolom 2 geeft de waarde van de verandering van de index van de variatiecoëfficiënt tussen 1991 en 2012 weer en daarmee de mate van divergentie of convergentie die is opgetreden (zie figuur 2.2 voor de bijbehorende lijnen). Kolom 3 tot en met 6: index 100 = 0. Is het cijfer groter dan 100, dan heeft de betreffende factor bijgedragen aan divergentie.
TWEE
karakteristieken ertoe doen. Om hier meer inzicht in te krijgen maken we gebruik van regressieanalyses. We onderzoeken welke (regionale) karakteristieken samenhangen met de banengroei in Europese regio’s, en dan vooral in Europese stedelijke regio’s. We zijn daarbij vooral geïnteresseerd in enkele specifieke factoren: agglomeratiekracht, de stedelijke structuur, de mate van lokale autonomie en het loonniveau.
Agglomeratiekracht (of agglomeratievoordelen, zie tekstkader 1.1 in hoofdstuk 1) komt voort uit massa en dichtheid (PBL & CPB 2015). We meten die door een stedelijke dummy op te nemen in de regressieanalyse. Daarnaast speelt de stedelijke structuur mogelijk een rol. In het beleidsdebat wordt nogal eens gesteld dat Nederland beter af is in een monocentrische stedelijke structuur waarin één grote metropool floreert. In de huidige situatie is in Nederland echter sprake van een polycentrische structuur waarbij de economie (en beleidsinspanningen) over een aantal middelgrote steden, die relatief dicht bij elkaar liggen, is verdeeld. In het beleidsdebat bestaat daarom ook de visie dat juist een polycentrische stedelijke structuur economische voordelen kan bieden. Meijers en Burger (2010) laten bijvoorbeeld zien (voor Amerikaanse steden) dat hoewel de agglomeratievoordelen in een monocentrische structuur groter zijn dan in een polycentrische structuur, de negatieve effecten (bijvoorbeeld congestie) in polycentrische stedelijke structuren kleiner zijn. Per saldo lijken de steden in een
polycentrische structuur beter af te zijn.8 Aanhangers van deze visie vinden dus dat de
Nederlandse ‘uitgangspositie’ moet worden gekoesterd en Nederland zich verder moet versterken vanuit een netwerkperspectief van goed verbonden steden (zie de discussie over borrowed size in Van Oort et al. 2015a, 2015b).
Een ander element in het beleidsdebat is dat, om stedelijke regio’s te laten floreren, ze ook meer lokale/regionale financiële autonomie zouden moeten hebben. Als stedelijke bestuurders meer eigen financiële middelen zouden hebben, kunnen ze de lusten en de lasten in de gemeente of regio beter stroomlijnen en gerichter investeren, zo is de gedachte (Rfv 2015; WRR 1990). De EU-landen verschillen aanzienlijk van elkaar wat betreft de mate van regionale en lokale autonomie. Zo heeft Nederland een relatief lage financiële lokale autonomie.
Een andere belangrijke variabele die we analyseren is het regionale loonniveau. De these van Moretti (2012), zoals in hoofdstuk 1 is beschreven, is namelijk dat er een multiplierwerking uitgaat van deze ‘goede banen’: ze creëren ook weer andere banen. Bovendien gaat er ook een liftende werking van uit op andere banen in de stad, in de zin dat die banen een hoger loon hebben dan ze buiten de stad zouden hebben. De verwachting is dat een hoger loon positief samenhangt met regionaal-economische groei. Een mogelijke tegenkracht is dat juist regio’s met een laag loonniveau veel activiteiten aantrekken die op arbeidskosten concurreren, maar we schatten dat laatste
effect binnen Europa lager in.9
Naast deze vier variabelen nemen we vijf controlevariabelen mee. Ten eerste corrigeren we voor nationale groeifactoren en de regionale sectorstructuur door de betreffende
TWEE
TWEE
factoren uit de shift-share-analyse als onafhankelijke variabelen op te nemen in de regressievergelijking. De totale regionale banengroei wordt dus eerst gecontroleerd voor groei veroorzaakt door deze twee factoren. Ten tweede nemen we een
dummyvariabele op voor stedelijke regio’s in Oost-Europa, omdat we eerder zagen dat die een bijzondere economische dynamiek kenden (sterke groei van de stad en krimp van de rurale delen). Ten derde bestaan er regionale verschillen in de mate van deeltijdwerk die mogelijk verbonden zijn aan banengroei. Bij meer deeltijdwerk wordt een baan bijvoorbeeld verdeeld over twee deeltijdbanen. Regio’s met veel deeltijdwerk hebben daarmee een sterkere banengroei. Ten vierde nemen we de verhouding tussen de actieve en totale bevolking van een regio mee. Een laag aandeel van de actieve bevolking kan duiden op relatief veel schoolgaande en studerende personen en dus een groot arbeidspotentieel. Wellicht dat een laag aandeel van de actieve bevolking in een bepaald jaar daarom samengaat met een relatief sterke groei in de periode na dat jaar. Een laag aandeel kan echter ook duiden op een relatief hoge mate van regionale vergrijzing. In dat geval kan een laag aandeel samengaan met een lage groei. Ten slotte kijken we nog naar het belang van de baandichtheid van een regio. Hiermee meten we, gegeven dat een regio stedelijk, intermediair of ruraal is, of de dichtheid van banen positief of negatief samenhangt met regionale banengroei.
Tabel 2.5 geeft de beschrijvende statistieken weer van de besproken variabelen.
Tabel 2.5
Beschrijvende statistieken van variabelen in het regressiemodel
Variabele N Gemid- delde Standaard- deviatie Min Max Banengroei 1991-2012 (log) 790 0,0198 0,230 -0,993 0,667 Polycentrisme 1991 790 1,318 0,707 0,600 5,867 Lokale autonomie 1995* 790 0,121 0,0734 0,0250 0,337
Dichtheid banen 1991 (log) 790 3,776 1,145 0 7,542
Nationale groei (NS) 1991-2012 (log) 790 -0,0121 0,171 -0,598 0,400
Sectormix (IM) 1991-2012 (log) 790 -0,0299 0,0690 -0,269 0,213
Loonniveau 1991 (log) 790 9,366 1,005 6,525 10,55
Uren per baan 1991 (log) 790 7,623 0,0731 7,400 7,831
Actieve bevolking / totale bevolking (1991) 790 0,456 0,0817 0,177 0,982
Dummy stedelijke regio’s (PU) 790 0,189 0,391 0 1
Dummy intermediaire regio (IM) 790 0,334 0,472 0 1
Dummy Oost-Europa 790 0,239 0,427 0 1
* Het eerst beschikbare jaar waarvoor data voor de mate van lokale autonomie beschikbaar is, is 1995. Omdat de variatie over de tijd binnen landen van deze variabele (zeer) beperkt is, mag worden aangenomen dat dit geen invloed heeft op de analyseresultaten.
TWEE
Deze variabelen zijn niet gedefinieerd in termen van groei, maar als hun stand in het aanvangsjaar van de groeiperiode (1991). Dit geldt echter niet voor de belangrijke ‘controlevariabelen’ afkomstig uit de eerder gepresenteerde shift-share-analyse: de nationale factor en de sectorstructuurfactor. Bijlage 2.3 geeft in detail uitleg over hoe alle besproken variabelen zijn gemeten.